କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ୍ ସହିତ AI ଚାଳିତ DevOps ସ୍ୱୟଂଚାଳିତ କାର୍ଯ୍ୟାନ୍ୱୟନ
ପରିଚୟ
କୃତ୍ରିମ ବୁଦ୍ଧିମତା (AI) ଏବଂ ମେସିନ୍ ଲର୍ନିଂ (ML) ଟେକ୍ନୋଲୋଜିର ବୃଦ୍ଧି ସହିତ DevOps ଲ୍ୟାଣ୍ଡସ୍କେପ୍ ଦ୍ରୁତ ଗତିରେ ବିକାଶ କରୁଛି | ଏକ ପ୍ରମୁଖ କ୍ଷେତ୍ର ଯେଉଁଠାରେ AI ଏକ ମହତ୍ impact ପୂର୍ଣ୍ଣ ପ୍ରଭାବ ପକାଉଛି, ତାହା ହେଉଛି DevOps ସ୍ୱୟଂଚାଳିତ | ଏହି ଆର୍ଟିକିଲରେ, ଆମେ DevOps ସ୍ୱୟଂଚାଳିତରେ AI ଏଜେଣ୍ଟମାନଙ୍କର ବ technical ଷୟିକ କାର୍ଯ୍ୟକାରିତାକୁ ଅନୁସନ୍ଧାନ କରିବୁ, ବର୍ଦ୍ଧିତ ସ୍ୱୟଂଚାଳିତ ଏବଂ ଅର୍କେଷ୍ଟ୍ରେସନ୍ କ୍ଷମତା ପାଇଁ କିଙ୍ଗ AI- ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକର ଲ୍ୟାଙ୍ଗଚେନ ସହିତ ଏକୀକରଣ ଉପରେ ଧ୍ୟାନ ଦେବୁ |
କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକ କ’ଣ?
କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକ ହେଉଛି ଏକ ପ୍ରକାର ସଫ୍ଟୱେର୍ ଏଜେଣ୍ଟ ଯାହା କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିବା ଏବଂ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ AI ଏବଂ ML ଆଲଗୋରିଦମ ବ୍ୟବହାର କରେ | ଏହି ଏଜେଣ୍ଟଗୁଡିକ ତଥ୍ୟରୁ ଶିଖିବା ଏବଂ ପରିବର୍ତ୍ତିତ ପରିବେଶ ସହିତ ଖାପ ଖାଇବା ପାଇଁ ଡିଜାଇନ୍ କରାଯାଇଛି, ଯାହା ସେମାନଙ୍କୁ DevOps ପାଇପଲାଇନ ପରି ଜଟିଳ ଏବଂ ଗତିଶୀଳ ସିଷ୍ଟମ ପାଇଁ ଆଦର୍ଶ କରିଥାଏ |
ଲାଙ୍ଗ୍ ଚେନ୍ କ’ଣ?
LangChain ହେଉଛି ଏକ ପାଇଥନ୍ ଲାଇବ୍ରେରୀ ଯାହା କଥାବାର୍ତ୍ତା AI ପ୍ରୟୋଗଗୁଡ଼ିକ ନିର୍ମାଣ ପାଇଁ ଉପକରଣ ଏବଂ API ର ଏକ ସେଟ୍ ପ୍ରଦାନ କରେ | ଏହା ଡେଭଲପର୍ମାନଙ୍କୁ ପ୍ରାକୃତିକ ଭାଷା ପ୍ରକ୍ରିୟାକରଣ (NLP) ଏବଂ ମେସିନ୍ ଲର୍ନିଙ୍ଗ ଆଲଗୋରିଦମ ବ୍ୟବହାର କରି ଚାଟ୍ବଟ୍, ଭଏସ୍ ଆସିଷ୍ଟାଣ୍ଟ ଏବଂ ଅନ୍ୟାନ୍ୟ କଥାବାର୍ତ୍ତା ଇଣ୍ଟରଫେସ୍ ସୃଷ୍ଟି କରିବାକୁ ଅନୁମତି ଦିଏ |
ଲାଙ୍ଗଚେନ ସହିତ କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟଗୁଡ଼ିକୁ ଏକୀକୃତ କରିବା
କିଙ୍ଗୋ AI- ଚାଳିତ ଏଜେଣ୍ଟମାନଙ୍କୁ ଲ୍ୟାଙ୍ଗ ଚେନ୍ ସହିତ ଏକୀକୃତ କରିବାକୁ, ଆମକୁ ଏକ ବାର୍ତ୍ତାଳାପ ଇଣ୍ଟରଫେସ୍ ସୃଷ୍ଟି କରିବାକୁ ପଡିବ ଯାହା ଏଜେଣ୍ଟମାନଙ୍କ ସହିତ ଯୋଗାଯୋଗ କରିପାରିବ ଏବଂ ସେମାନଙ୍କୁ ଆବଶ୍ୟକ ଇନପୁଟ୍ ଏବଂ ଆଉଟପୁଟ୍ ଯୋଗାଇବ | ସ୍ଥାପତ୍ୟର ଏକ ଉଚ୍ଚ ସ୍ତରୀୟ ସମୀକ୍ଷା ଏଠାରେ ଅଛି:
1। ** ଉପଭୋକ୍ତା ଇନପୁଟ୍ **: ଉପଭୋକ୍ତା ପାଠ୍ୟ ଇଣ୍ଟରଫେସ୍ ସହିତ ଯୋଗାଯୋଗ କରନ୍ତି, ପାଠ୍ୟ କିମ୍ବା ସ୍ୱର ଆକାରରେ ଇନପୁଟ୍ ପ୍ରଦାନ କରନ୍ତି | 2। ** ପ୍ରାକୃତିକ ଭାଷା ପ୍ରକ୍ରିୟାକରଣ (NLP) **: ସମ୍ପୃକ୍ତ ସୂଚନା ଏବଂ ଉଦ୍ଦେଶ୍ୟ ବାହାର କରିବା ପାଇଁ NLP ଆଲଗୋରିଦମ ବ୍ୟବହାର କରି ଇନପୁଟ୍ ପ୍ରକ୍ରିୟାକରଣ କରାଯାଏ | 3। ** ଏଜେଣ୍ଟ ଚୟନ **: ବାର୍ତ୍ତାଳାପ ଇଣ୍ଟରଫେସ୍ ବ୍ୟବହାରକାରୀଙ୍କ ଇନପୁଟ୍ ଏବଂ ଉଦ୍ଦେଶ୍ୟ ଉପରେ ଆଧାର କରି ସମ୍ପୃକ୍ତ କିରୋ AI- ଚାଳିତ ଏଜେଣ୍ଟ ଚୟନ କରେ | 4। ** ଏଜେଣ୍ଟ୍ ପାରସ୍ପରିକ କ୍ରିୟା **: ମନୋନୀତ ଏଜେଣ୍ଟ ଆବଶ୍ୟକୀୟ କାର୍ଯ୍ୟ କରିବା ପାଇଁ ଟ୍ରିଗର ହୋଇଥାଏ, ଯେପରିକି ସ୍ୱୟଂଚାଳିତ କାର୍ଯ୍ୟ କିମ୍ବା ନିଷ୍ପତ୍ତି ନେବା | 5। ** ଆଉଟପୁଟ୍ **: ଏଜେଣ୍ଟର ଆଉଟପୁଟ୍ ପ୍ରକ୍ରିୟାକରଣ ହୁଏ ଏବଂ କଥାବାର୍ତ୍ତା ଇଣ୍ଟରଫେସ୍ ମାଧ୍ୟମରେ ଉପଭୋକ୍ତାଙ୍କୁ ଫେରିଯାଏ |
ଯାନ୍ତ୍ରିକ କାର୍ଯ୍ୟାନ୍ୱୟନ
ଏହି ସ୍ଥାପତ୍ୟକୁ କାର୍ଯ୍ୟକାରୀ କରିବା ପାଇଁ, ଆମକୁ ପାଇଥନ୍, ରୁଷ୍ଟ, ଏବଂ ଗୋ ପ୍ରୋଗ୍ରାମିଂ ଭାଷାର ଏକ ମିଶ୍ରଣ ବ୍ୟବହାର କରିବାକୁ ପଡିବ | ଏଠାରେ ଏକ ସରଳ କୋଡ୍ ବ୍ଲକ୍ ଅଛି ଯାହାକି କିଙ୍ଗୋ AI- ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକର ଲ୍ୟାଙ୍ଗ ଚେନ୍ ସହିତ ଏକୀକରଣକୁ ଦର୍ଶାଏ: "ପାଇଥନ୍ | langchain ଆମଦାନି କରନ୍ତୁ | କିରୋ ଆମଦାନୀ ଏଜେଣ୍ଟରୁ |
chatbot = langchain.Chatbot ( model = "davinci: 002", ତାପମାତ୍ରା = 0.7, max_tokens = 2048, user_agent = "କିରୋ AI- ଚାଳିତ ଏଜେଣ୍ଟ" )
ଏକ କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟ ସୃଷ୍ଟି କରନ୍ତୁ |
ଏଜେଣ୍ଟ = ଏଜେଣ୍ଟ ( ନାମ = "ମୋର ଏଜେଣ୍ଟ", description = "ଏକ ସରଳ ଏଜେଣ୍ଟ ଯାହା କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରେ", କାର୍ଯ୍ୟ = [ "run_command", "send_email", "ସୃଷ୍ଟି_ ଟିକେଟ୍" ] )
ଏଜେଣ୍ଟ ସହିତ ଯୋଗାଯୋଗ କରିବାକୁ ଏକ କାର୍ଯ୍ୟକୁ ବ୍ୟାଖ୍ୟା କରନ୍ତୁ |
def interact_with_agent (input_text): # NLP ବ୍ୟବହାର କରି ଇନପୁଟ୍ ପ୍ରକ୍ରିୟା କରନ୍ତୁ | ଉଦ୍ଦେଶ୍ୟ = langchain.extract_intent (input_text)
# ଉଦ୍ଦେଶ୍ୟ ଉପରେ ଆଧାର କରି ସମ୍ପୃକ୍ତ ଏଜେଣ୍ଟ ଚୟନ କରନ୍ତୁ |
ଯଦି ଉଦ୍ଦେଶ୍ୟ == "run_command":
agent.run_command ()
elif ଉଦ୍ଦେଶ୍ୟ == "send_email":
agent.send_email ()
elif ଉଦ୍ଦେଶ୍ୟ == "ସୃଷ୍ଟି_ ଟିକେଟ୍":
agent.create_ticket ()
# ଏଜେଣ୍ଟର ଆଉଟପୁଟ୍ ଫେରସ୍ତ କରନ୍ତୁ |
ଫେରସ୍ତ agent.output
ଫଙ୍କସନ୍ ପରୀକ୍ଷା କରନ୍ତୁ |
input_text = "ବିଲ୍ଡ ସ୍କ୍ରିପ୍ଟ ଚଲାନ୍ତୁ" ଆଉଟପୁଟ୍ = ଇଣ୍ଟରାକ୍ଟ_ୱିଥ୍_ଜେଣ୍ଟ୍ (ଇନପୁଟ୍_ ଟେକ୍ସଟ୍) ମୁଦ୍ରଣ (ଆଉଟପୁଟ୍) `` ଏହି କୋଡ୍ ବ୍ଲକ୍ ଦର୍ଶାଏ ଯେ କିପରି ଏକ ଲ୍ୟାଙ୍ଗ୍ ଚେନ୍ ଚାଟ୍ବଟ୍ ଏବଂ କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟ ସୃଷ୍ଟି କରିବେ ଏବଂ କଥାବାର୍ତ୍ତା ଇଣ୍ଟରଫେସ୍ ବ୍ୟବହାର କରି ଏଜେଣ୍ଟ ସହିତ କିପରି କାର୍ଯ୍ୟ କରିବେ |
ଶ୍ରେଷ୍ଠ 5-10 ସର୍ବାଧିକ ବ୍ୟବହୃତ ନିର୍ଦ୍ଦେଶ / ସ୍ନିପେଟ୍
କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟ ଏବଂ ଲ୍ୟାଙ୍ଗଚେନ ପାଇଁ ଏଠାରେ ସାଧାରଣତ used ବ୍ୟବହୃତ କମାଣ୍ଡ ଏବଂ ସ୍ନିପେଟ୍ ଗୁଡିକ ଅଛି:
1। "Langchain.Chatbot" 2। "ଏଜେଣ୍ଟ (ନାମ =" ମୋ ଏଜେଣ୍ଟ ", ବର୍ଣ୍ଣନା =" କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରୁଥିବା ଏକ ସରଳ ଏଜେଣ୍ଟ ", କାର୍ଯ୍ୟ = 3। "Langchain.extract_intent (input_text)": ଉଦ୍ଦେଶ୍ୟ ବାହାର କରିବା ପାଇଁ NLP ବ୍ୟବହାର କରି ଇନପୁଟ୍ ପାଠ୍ୟକୁ ପ୍ରକ୍ରିୟାକରଣ କରେ | 4। "Agent.run_command ()": ଏକ ନିର୍ଦ୍ଦେଶ ଚଲାଇବା ପାଇଁ ଏଜେଣ୍ଟକୁ ଟ୍ରିଗର କରିଥାଏ | 5। "Agent.send_email ()": ଏକ ଇମେଲ୍ ପଠାଇବାକୁ ଏଜେଣ୍ଟକୁ ଟ୍ରିଗର କରିଥାଏ | 6। "Agent.create_ticket ()": ଟିକେଟ୍ ତିଆରି କରିବାକୁ ଏଜେଣ୍ଟକୁ ଟ୍ରିଗର କରିଥାଏ | 7। 8। "Langchain.Chatbot ()। କୁହନ୍ତୁ (input_text)": ଚାଟବଟ୍ କୁ ଏକ ଷ୍ଟେଟମେଣ୍ଟ କହିଥାଏ ଏବଂ ପ୍ରତିକ୍ରିୟା ଫେରସ୍ତ କରେ 9। "Langchain.Chatbot ()। ଶୁଣ ()": ଉପଭୋକ୍ତା ଇନପୁଟ୍ ଶୁଣେ ଏବଂ ପ୍ରତିକ୍ରିୟା ଫେରସ୍ତ କରେ | 10। "Langchain.Chatbot ()। Stop ()": ଚାଟ୍ବଟ୍ ବନ୍ଦ କରି ଉତ୍ସଗୁଡିକ ମୁକ୍ତ କରେ |
ଭିଜୁଆଲାଇଜେସନ୍
Chart.js ବ୍ୟବହାର କରି ସ୍ଥାପତ୍ୟର ଏକ ସରଳ ଭିଜୁଆଲାଇଜେସନ୍:
json { "ପ୍ରକାର": "ପାଇକାର୍ଟ", "ଡାଟା": { "ଲେବଲ୍": ["ୟୁଜର୍ ଇନପୁଟ୍", "NLP", "ଏଜେଣ୍ଟ ଚୟନ", "ଏଜେଣ୍ଟ ପାରସ୍ପରିକ କ୍ରିୟା", "ଆଉଟପୁଟ୍"], "ଡାଟାବେସ୍": [ { "label": "ସ୍ଥାପତ୍ୟ", "ତଥ୍ୟ": [10, 20, 30, 40, 50], "ପୃଷ୍ଠଭୂମି ରଙ୍ଗ": [ "# FF6384", "# 36A2EB", "# FFCE56", "# 4BC0C0", "# FF99CC" ] } ] }, "ବିକଳ୍ପଗୁଡିକ": { "ଆଖ୍ୟା": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ, "ପାଠ୍ୟ": "AI ଚାଳିତ DevOps ସ୍ୱୟଂଚାଳିତ ସ୍ଥାପତ୍ୟ" }, "କିମ୍ବଦନ୍ତୀ": { "ପ୍ରଦର୍ଶନ": ସତ୍ୟ | } } }
ଏହି ଭିଜୁଆଲାଇଜେସନ୍ ସ୍ଥାପତ୍ୟର ବିଭିନ୍ନ ଉପାଦାନଗୁଡ଼ିକୁ ଦର୍ଶାଏ, ବ୍ୟବହାରକାରୀ ଇନପୁଟ୍, NLP, ଏଜେଣ୍ଟ ଚୟନ, ଏଜେଣ୍ଟ ପାରସ୍ପରିକ କ୍ରିୟା, ଏବଂ ଆଉଟପୁଟ୍ |
ସିଦ୍ଧାନ୍ତ
ଏହି ଆର୍ଟିକିଲରେ, ଆମେ ଉନ୍ନତ ଅଟୋମେସନ୍ ଏବଂ ଅର୍କେଷ୍ଟ୍ରେସନ୍ କ୍ଷମତା ପାଇଁ ଲାଙ୍ଗଚେନ୍ ସହିତ କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକର ଏକୀକରଣ ଉପରେ ଧ୍ୟାନ ଦେଇ DevOps ସ୍ୱୟଂଚାଳିତରେ AI ଏଜେଣ୍ଟମାନଙ୍କର ବ technical ଷୟିକ କାର୍ଯ୍ୟକାରିତା ବିଷୟରେ ଅନୁସନ୍ଧାନ କରିଛୁ | ଆମେ ଏକ ସରଳ କୋଡ୍ ବ୍ଲକ୍ ପ୍ରଦର୍ଶନ କରିଥିଲୁ ଯାହା କିଙ୍ଗୋ AI- ଚାଳିତ ଏଜେଣ୍ଟଗୁଡିକର ଲାଙ୍ଗ ଚେନ୍ ସହିତ ଏକୀକରଣକୁ ପ୍ରଦର୍ଶନ କରିଥାଏ ଏବଂ କିରୋ AI ଚାଳିତ ଏଜେଣ୍ଟ ଏବଂ ଲାଙ୍ଗଚେନ ପାଇଁ ସାଧାରଣତ used ବ୍ୟବହୃତ କମାଣ୍ଡ ଏବଂ ସ୍ନିପେଟ୍ ର ଏକ ତାଲିକା ପ୍ରଦାନ କରିଥିଲୁ | ଆମେ Chart.js ବ୍ୟବହାର କରି ସ୍ଥାପତ୍ୟର ଏକ ଭିଜୁଆଲାଇଜେସନ୍ ମଧ୍ୟ ଅନ୍ତର୍ଭୁକ୍ତ କରିଛୁ | AI- ଚାଳିତ ଏଜେଣ୍ଟ ଏବଂ କଥାବାର୍ତ୍ତା ଇଣ୍ଟରଫେସ୍ ବ୍ୟବହାର କରି, DevOps ଦଳ କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିପାରିବେ, ଦକ୍ଷତା ବୃଦ୍ଧି କରିପାରିବେ ଏବଂ ତ୍ରୁଟି ହ୍ରାସ କରିପାରିବେ, ଯାହା ଦ୍ୱାରା DevOps ସ୍ୱୟଂଚାଳିତକୁ ଅଧିକ ପ୍ରଭାବଶାଳୀ ଏବଂ ଦକ୍ଷ ହୋଇପାରିବ |